合肥工业大学人工智能2009 + 2010 + 2011级考卷 + 答案
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
合肥工业大学人工智能2009级考卷+ 答案
一、选择填空(在每题下面提供的多个答案中,为每个位置选择正确的答案,每空1分,共40
分)
1.智能科学研究 B 和 C ,是由 E 、G 、J 等学科构成的交叉学科。
A. 思维的基本理论
B. 智能的基本理论
C.实现技术
D. 基本形态
E. 脑科学
F. 形象思维
G. 认知科学
H. 抽象思维
I. 感知思维
J. 人工智能
K. 灵感思维
2.深度优先搜索属于 A ,搜索原则是深度越 C 、越 D 产生结点的优先级越高。深度搜索是H 。
A. 盲搜索
B. 启发式搜索
C. 大
D. 晚
E. 小
F. 早
G. 完备的
H. 不完备的
3.人工智能中的符号主义在认识层次是 A ,在求解层次是 C ,在处理层次是 E ,在操作层次是G ,在体系层次是K 。
A. 离散
B. 连续
C. 由底向上
D. 自顶向下
E. 串行
F. 并行
G. 推理H. 映射I. 交互J. 分布K. 局部
4. ID3算法属于 C ,基于解释的学习属于 B ,关联分析属于 A ,SVM属于G 。
A. 发现学习
B. 分析学习
C. 归纳学习
D. 遗传学习
E. 连接学习
F. 强化学习
G. 统计学习
5.封闭世界假设(CW A)属于 B ,D-S证据理论属于 D ,限定逻辑属于 B 。
A. 归结原理
B. 非单调推理
C. 定性推理
D. 不确定推理
6.在不确定理论中 D 无需任何先验知识(或信息), B 与 C 具有处理不精确和不确定数据的方法,而 A 使用概率去表示所有形式的不确定性。
A.Bayes理论
B. 模糊集理论
C. 证据理论
D. 粗糙集
7.SVM是建立在 B 和 C 原理基础上的,在解决 F 、I 及 A 模式识别中表现出许多特有的优势。
A. 高维
B. VC维
C. 结构风险最小
D. 经验风险最小
E. 置信风险最小
F. 小样本
G. 大样本
H. 线性
I. 非线性
8.人工神经网络是 B 的典型,它的特点集中表现在以 D 方式存储信息、以 F 方式处理信息、具有自组织、自学习能力。神经网络可分为四大类,著名的Hopfield网络属于J 类。
A. 符号智能
B. 计算智能
C. 集中D。分布 E. 串行 F. 并行
G. 分层前向网络H. 反馈前向网络I. 互连前向网络J. 广泛互连网络
9.在遗传算法中复制操作使用来模拟 B ,交叉操作是用来模拟 C ,而变异操作是用来模拟 A 。
A. 基因突变
B. 适者生存
C. 繁殖现象
10.群智能思想的产生主要源于 B 以及 D 的研究, F 是群智能领域最著名的算法。
A. 多Agent系统
B. 复杂适应系统理论
C. 进化计算
D. 人工生命
E. PSO
F. ACO
G. AFSA
例1:他个子高而且很胖
令P表示“他个子高”,Q表示“他很胖”,于是可表示为P∧Q
例2:任何金属都可以溶解在某种液体里
以P(x)表示x是金属,Q(x)表示x是液体,R(x,y)表示x可以溶解在y中,语句的形式化为:y
Q
x
y
∃
∀
→
R
xP∧
(y
(
,
))
x
)
)
(
(
1.他个子矮或他不很胖都是不对的
令P表示“他个子高”,Q表示“他很胖”
┐(┐P∧┐Q)
2. 凡实数都能比较大小
以P(x)表示x是实数,Q(x,y)表示x和y可以比较大小,语句的形式化为:
P
x
y
P
∧
∀
∀
y
x→
x
(
,
))
Q
)
(y
(
(
)
三、采用广度优先搜索求解下面八数码问题,给出广度优先搜索树(10分)。
四、简答题(每题10分)
1.在不确定知识与推理研究中,模糊集理论、贝叶斯网络、粗糙集理论各有何特点?
模糊集理论利用模糊隶属度来表示自然界模糊现象,从研究集合与元素的关系入手研究不确定性。广泛应用于专家系统和智能控制中。模糊集是不可计算的,即没有给出数学公式描述这一含糊概念,故无法计算出它的具体的含糊元素数目,如模糊集中的隶属函数μ和模糊逻辑中的算子λ都是如此。
贝叶斯网络是用来表示变量间连接概率的图形模式,它提供了一种自然的表示因果信息的方法,用来发现数据间的潜在关系。在这个网络中,用节点表示变量,有向边表示变量间的依赖关系。贝叶斯理论给出了信任函数在数学上的计算方法,具有稳固的数学基础,同时它刻画了信任度与证据的一致性及其信任度随证据而变化的增量学习特性;在数据挖掘中,贝叶斯网络可以处理不完整和带有噪声的数据集,它用概率测度的权重来描述数据间的相关性,从而解决了数据间的不一致性,甚至是相互独立的问题;用图形的方法描述数据间的相互关系,语义清晰、可理解性强,这有助于利用数据间的因果关系进行预测分析。贝叶斯方法正在以其独特的不确定性知识表达形式、丰富的概率表达能力、综合先验知识的增量学习特性等成为当前数据挖掘众多方法中最为引人注目的焦点之一
粗糙集理论反映了人们用粗糙集方法处理不分明问题的常规性,即以不完全信息或知识去处理一些不分明现象的能力,或依据观察、度量到的某些不精确的结果而进行分类数据的能力。基本粗糙集理论认为知识就是人类和其他物种所固有的分类能力,粗糙集理论利用集合(下近似集和上近似集)处理含糊和不精确性问题。
粗糙集主要优点包括:除数据集之外,无需任何先验知识(或信息);对不确定性的描述与处理相对客观。
2.群智能算法与进化算法有何异同?
基于SI 的优化算法和EC都是基于群体迭代的启发式随机优化算法, 有着非常多相似之处, 它们都是对自然中随机系统的仿真, 都具有本质并行性。另外, 与EC还一样的是, SI 的目的并不是为了忠实地模拟自然现象, 而是利用它们的某些特点去解决实际问题。